课程项目，目标是识别校园道路上的行人与车辆。负责用LabelImg标注约1200张自采图像，基于YOLOv5s在单卡RTX 3060上训练，尝试CIoU损失与余弦退火调度。与两名同学分工完成数据清洗和结果可视化，在自建测试集（200张，按8:2划分）上mAP@0.5从0.62提升至0.71，输出实验对比报告与失败案例分析。

个人项目，探索轻量分割模型在遥感小样本场景的可行性。使用公开数据集选取5类地物共800张图像，基于PyTorch实现U-Net与MobileNetV3骨干对比，采用Dice损失和随机翻转增强。在本地验证集（160张，固定随机种子）上mIoU约0.68，推理速度较基线提升约30%，整理成技术博客并开源数据预处理脚本。